Trump firma orden ejecutiva para revisar modelos de IA antes de su lanzamiento
Trump firma orden ejecutiva que crea un marco voluntario para revisar modelos de IA antes de su lanzamiento, buscando equilibrar innovación y ciberseguridad.
#tera
Perplexity AI presenta sistema híbrido local-nube en Computex 2026
Perplexity AI presenta un orquestador híbrido local-nube que decide en tiempo real dónde ejecutar cada tarea de IA, equilibrando rendimiento y privacidad.
Trump firma orden ejecutiva de IA que podría elegir ganadores y perdedores
Trump firma orden ejecutiva de IA que permite al gobierno revisar modelos y seleccionar socios de confianza. Expertos alertan sobre favoritismo.
Hacia un modelo fundacional de física
Descubre GPhyT, el primer modelo fundacional de física que aprende dinámicas complejas sin ecuaciones, superando a arquitecturas especializadas en múltiples dominios.
NILC: Descubriendo nuevas intenciones con clustering asistido por LLM
NILC usa LLMs para mejorar el clustering en descubrimiento de nuevas intenciones, superando benchmarks en sistemas de diálogo.
Dataset de referencia para catálisis en MXenes 2D
Nuevo dataset de 50.000 cálculos DFT para MXenes 2D acelera la catálisis hasta 1000x con machine learning. ¡Descubre más!
Modelos Recursivos Pequeños para el Problema de Lambert J2
Descubre cómo los TRM resuelven el problema Lambert con J2, reduciendo errores de 340 km a 0.3 km solo con 2.3M parámetros. Ideal para misiones espaciales.
Hace lo que promete: datos sintéticos seguros con márgenes agrupados
Descubre cómo generar datos sintéticos seguros y transparentes con el método de márgenes agrupados, garantizando privacidad sin perder relaciones entre variables.
Investigando y mitigando la amplificación del daño en interacciones con LLM
Descubre cómo el nuevo benchmark HarmAmp analiza la amplificación del daño en interacciones con LLM y cómo TrajSafe lo mitiga de forma proactiva.
Auditoría de sesgos en LLMs financieros: el caso Bitcoin
¿Confías en los LLMs para invertir? Descubre cómo auditorías revelan sesgos hacia Bitcoin que afectan tus decisiones financieras.
Aprendizaje eficiente de Hamiltonianos, estructura y traza de estados Gaussianos
Aprende sobre el nuevo protocolo para aprendizaje eficiente de Hamiltonianos de estados Gaussianos usando mediciones heterodinas e inversión local.
Método corrige localización de circuitos con retropropagación consciente
Aprende cómo GIM, un nuevo método de retropropagación, mejora la localización de circuitos en modelos de lenguaje al tener en cuenta interacciones.
Selección de prototipos usando análisis topológico de datos
Descubre cómo TPS y BoundaryTPS usan topología para seleccionar prototipos de forma eficiente, preservando estructura de datos y mejorando estabilidad.
PFT: Ajuste fino de fonones para potenciales interatómicos con IA
Descubre cómo PFT mejora un 55% las propiedades fonónicas de materiales al ajustar potenciales interatómicos con IA. Nuevo estándar en simulaciones.
Precisión de la aproximación gaussiana en iteraciones de SA
Descubre cómo una gaussiana aproxima iteraciones de SA con cotas de error explícitas y tasas de convergencia óptimas, validado con simulaciones.
PliableBVS: Método bayesiano flexible para interacciones con modificadores
Descubre PliableBVS: método bayesiano flexible para seleccionar variables en interacciones, reduciendo falsos positivos y mejorando predicción.
Valores Shapley e interacciones con redes de tensores
Descubre TN-SHAP, un método que acelera valores Shapley e interacciones usando redes de tensores, reduciendo la complejidad exponencial a polinomial.
¿Pueden los modelos de lenguaje visual aprender física intuitiva?
¿Pueden los modelos de lenguaje visual desarrollar intuiciones físicas mediante interacción? Un estudio revela que el aprendizaje por refuerzo no basta para generalizar reglas físicas.
Auto-mejora iterativa con currículos fácil-difícil: teoría centrada en tareas
Aprende cómo la teoría centrada en tareas y currículos fáciles a difíciles permiten la auto-mejora iterativa de LLMs con garantías de rendimiento.
Flowers: un motor warp para solucionadores neuronales de PDE
Flowers: arquitectura neuronal con warps multihead. Sin Fourier ni atención, logra interacciones globales a costo lineal. Supera a modelos mucho más grandes.